一、專業簡介

人工智能，是一個以計算機科學為基礎，由計算機、心理學、哲學等多學科交叉融合的交叉學科、新興學科，研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學，企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。人工智能學院成立于2018年12月12日，是國內外資源能源領域第一個人工智能學院，學院按照"高起點，高層次，新體制，新機制，小實體，大平臺"的建設思路，匯聚人工智能英才，輻射能源行業智能發展。

二、專業培養目標

培養具有強烈的社會責任感、高尚的職業精神，具備寬厚的人文社會科學、自然科學和工程綜合素養、寬廣的人工智能專業知識，具有較強的獲取新知識能力、組織協調能力、解決專業問題的能力、創新創業意識、國際交流合作能力，能夠在石油石化企業、IT企業、互聯網企業研發部門、學科交叉研究機構從事科學研究、技術開發、工程設計和經營管理的學術骨干、技術骨干和管理人才。畢業五年后能達到以下基本要求：

（1）能夠獨立從事人工智能相關應用領域、交叉領域的數據挖掘、數據分析、系統設計、開發以及運維工作；勝任智慧油氣田、智慧管網、智慧煉化、智慧新能源與其它能源相關行業的系統部署、設計、開發、測試、實施、運維等工作；

（2）能夠在研究、設計、開發以及生產團隊中擔任管理者或重要角色；

（3）能夠持續更新專業知識，不斷提高專業能力，緊跟信息技術領域發展；

（4）有良好的職業修養與道德水準，有意愿并有能力服務社會。

三、畢業要求

（一）知識和能力要求

1.工程知識：能夠將數學、自然科學、工程基礎和專業知識用于解決人工智能領域復雜工程問題。掌握與人工智能緊密相關的計算機科學、統計學、機器學習等學科的基礎理論和方法；掌握一到兩門主流的計算機程序設計語言、至少一種機器學習編程框架，掌握面向對象程序設計思想，能夠對具體問題進行抽象分析和設計, 并進行程序的實現；掌握石油類專業基礎知識。

2.問題分析：能夠應用數學、自然科學和工程科學的基本原理，識別、表達、并通過文獻研究分析人工智能領域復雜工程問題，以獲得有效結論。

3.設計/開發解決方案：能夠給出針對人工智能在石油領域中的復雜工程問題的解決方案，確定開發設計目標與技術指標，設計滿足特定需求的系統，能對其進行測試、評價和優化，并能夠在設計環節中體現創新意識，考慮社會、健康、安全、法律、文化以及環境等因素。

4.研究：能夠基于科學原理并采用科學方法對人工智能領域復雜工程問題進行研究，包括設計實驗、分析與解釋數據、并通過信息綜合得到合理有效的結論。

5.使用現代工具：能夠針對人工智能領域復雜工程問題，開發、選擇與使用恰當的技術、資源、現代工程工具和信息技術工具，包括對復雜工程問題的預測與模擬，并能夠理解其局限性。

6.工程與社會：能夠基于人工智能工程相關背景知識進行合理分析，評價專業工程實踐和復雜工程問題解決方案對社會、健康、安全、法律以及文化的影響，并理解應承擔的責任。

7.環境和可持續發展：能夠理解和評價針對人工智能領域復雜工程問題的工程實踐對環境、社會可持續發展的影響。

8.職業規范：具有人文社會科學素養、社會責任感，能夠在人工智能領域工程實踐中理解并遵守工程職業道德和規范，履行責任。

9.個人和團隊：能夠在人工智能領域多學科背景下的團隊中承擔個體、團隊成員以及負責人的角色。

10.溝通：能夠就人工智能領域的工程問題與業界同行及社會公眾進行有效溝通和交流，包括撰寫報告和設計文稿、陳述發言、清晰表達或回應指令。并具備一定的國際視野，能夠在跨文化背景下進行溝通和交流。

11.項目管理：理解并掌握工程管理原理與經濟決策方法，并能在多學科環境中應用。

12.終身學習：具有自主學習和終身學習的意識，有不斷學習和適應發展的能力。

四、主干學科

計算機科學與技術

五、專業核心課程

C語言程序設計、常微分方程、離散數學、操作系統、數據結構與算法分析、人工智能原理、機器學習、最優化原理與方法、大數據技術基礎、深度學習基礎、強化學習、自然語言處理、人工智能專業英語、人工智能系統平臺實訓、油氣人工智能導論、計算機組成原理、數字信號處理基礎、自動控制概論、智能算法設計實踐、智能系統綜合設計。

六、學制與授予學位

學制：四年，學生修業年限三至六年

授予學位：工學學士學位

2023級人工智能專業培養方案專業級課程安排表

一、專業教育必修課

課程模塊		課程代碼	課程名稱	學分	總學時	理論學時	實驗學時	實踐學時	上機學時	開課學期
專業教育必修課	學科基礎課	100616M016	高等數學A（Ⅰ）	6	96	96				1
		100616M017	高等數學A（Ⅱ）	6	96	96				2
		100627M009	大學物理B（Ⅰ）	4	64	64				2
		100616M003	線性代數	3	48	48				3
		100627M010	大學物理B（Ⅱ）	4	64	64				3
		100627M016	大學物理實驗B（Ⅰ）	2	32		32			3
		100616M004	概率論與數理統計	3.5	56	56				4
		100627M017	大學物理實驗B（Ⅱ）	1.5	24		24			4
		要求學分: 30
	專業基礎課	102014T041	C語言程序設計	2	48	32	16			2
		102133C001	數據結構與算法分析	3	48	32			16	4
		101400C001	數值分析	2	32	24			8	5
		102014T012	離散數學	3	48	48				5
		102014T015	計算機組成原理（全英文）	3	48	48				5
		102137C002	數字信號處理基礎	3	48	40			8	7
		102137T002	自動控制概論	2	32	32				7
		102137T004	最優化原理與方法	2	32	32				7
		要求學分: 20
	專業核心課	102133C005	數據庫概論	3	48	24			24	4
		102133T011	油氣人工智能導論	1	16	16				4
		102133C002	人工智能原理	3	48	40			8	5
		102133C003	機器學習	3	48	32			16	5
		102137T008	人工智能專業英語	2	32	32				5
		102133C006	大數據技術基礎	3	48	32			16	6
		102137C001	深度學習基礎	2	32	24			8	6
		102014T003	強化學習	3	48	48				7
		102133C010	自然語言處理	2	32	28			4	7
		要求學分: 22
	要求學分: 72,     要求完成子模塊數: 3

二、專業教育選修課

課程模塊		課程代碼	課程名稱	學分	總學時	理論學時	實驗學時	實踐學時	上機學時	開課學期
專業教育選修課	計算機組	100514C021	Java語言程序設計	3	48	32			16	4
		102014T040	并行程序設計（全英文）	2	32	32				4
		100514C060	編譯原理	3	48	40			8	5
		100514C075	操作系統	3	48	40			8	6
		100514T001	軟件工程	2	32	32				6
		要求學分: 0
	人工智能組	101932T031	能源互聯網與智慧能源	2	32	32				5
		102137T006	人工智能概論與實戰	2	32	32				5
		100514C022	計算機圖形學	3	48	38			10	7
		要求學分: 0
	認知科學與應用數學組	102137C003	認知心理學	2	32	28			4	2
		100616T050	復變函數與積分變換	3	48	48				6
		要求學分: 0
	油氣學科選修課組	102133T003	油氣地質大數據分析	2	32	32				6
		102133T005	人工智能與石油工程	2	32	32				6
		要求學分: 0
	要求學分: 15,     要求完成子模塊數: 4

三、集中性實踐教學環節

課程模塊	課程代碼	課程名稱	學分	總學時	理論學時	實驗學時	實踐學時	上機學時	開課學期
集中性實踐教學環節	102133P006	人工智能認識實習	1	16			1周		2S
	102133P002	人工智能企業實訓	4	64			4周		3S
	101400P001	自然地理認知實習	2	32			32		5
	102133P001	人工智能系統平臺實訓	2	32				32	5
	102133P003	智能算法設計實踐	2	32			32		6
	102133P004	智能系統綜合設計	4	64			64		7
	102133P005	畢業設計	8	256			16周		8
	要求學分: 23